Fintecuriosity

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. 중위수(median: x̃) ※ 중앙값이라고 불리고, 표본의 중위수는 데이터의 측정치를 크기 순서로 배열하였을때(order statistic) 중앙에 위치한 값을 말하며, x̃ 이라는 기호로 나타냅니다. 다만 표본의 크기(n)가 짝수인 경우 크기 순서로 배열하였을 때 중앙의 2 측정치간 평균으로 정하게 되므로, 표본의 크기를 홀수로 하는 것이 좋습니다. 표본의 일부 데이터가 아주 큰 값이나 작은 값이 포함될 경우 표본평균은 이상치의 영향을 받아 좋지 않은 통계량이 될 수 있으나, 중위수는 영향을 받지 않으므로 평균치와 함께 비교하여 공정을 해석하면 매우 효과적입니다. ⓐ 표..

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. ※ 일반적으로 표본평균은 평균으로 지칭되며 x̄로 표현합니다. 표본평균은 확률표본에서 확률변수의 합을 그 합을 구한 항의 개수로 나눈 것, 즉 산술평균으로 구한 값입니다. 표본평균은 모평균(μ)의 추정량 estimator으로 가장 많이 사용되는 통계량으로 시료평균 또는 산술평균이라고도 합니다. 샘플링으로 구한 n개의 데이터를 x1, x2, x3, ..., xn이라 하면, 표본평균 x̄의 계산식은 다음과 같습니다. 긴 글 읽어주셔서 감사합니다. References [1] 양희정, 김광수, 정상윤. 한국표준협회미디어, "빅데이터 시대 품질관리의 내비게이션 통계적 품질관리 4.0..

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. ※ 모평균(population mean: μ )은 모집단의 중심위치를 표현하는 측도로 모집단의 대푯값입니다. 유한개로 구성된 모집단에서 N개의 측정값이 x1, x2, x3, .... , xN이라고 할때, 전체의 측정값에 대해 각각 동일한 확률(1/N)을 곱하여 합한 값으로 정의되며, 이러한 계산 방식에 의한 값을 기대치(expectation) 또는 모평균(μ)이라고 합니다. 긴 글 읽어주셔서 감사합니다. References [1] 양희정, 김광수, 정상윤. 한국표준협회미디어, "빅데이터 시대 품질관리의 내비게이션 통계적 품질관리 4.0", 24 (2019)

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. ※ 어떠한 품질특성의 품질수준을 정의할 목적으로 취한 표본의 측정치들에 대해 하나의 수치로 표현할 때 그 수치를 대푯값이라고 합니다. 집단을 표현하는 대푯값은 대표치로 정할 타당한 이유가 있어야 합니다. 일반적으로는 대푯값은 확률적기대치로 위의 그림에서와 같이 그래프 상으로 로트의 중심을 지칭하며, 이를 분포의 중심위치를 나타내는 측도라고 합니다. 중심위치를 계산하는 방법은 산술평균(arithmetic mean), 중위수(median), 최빈수(mode)등이 있는데, 그 중 산술평균이 가장 널리 사용됬습니다. 또한 위의 그림에서 분포의 중심 위치만 알 수 있어도 공정 또는 ..

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. ※ 데이터가 품질정보로서 역할을 하기 위해서는 표본을 목적에 적합하게 층별하여 랜덤하게 취해야하고, 그 표본을 올바른 측정방법으로 측정하여 수치화 하여야 합니다. 그러나 이렇게 구한 데이터는 단지 수치의 나열에 불과하므로 정보로 활용하기 어렵습니다. 따라서 데이터가 객관적인 판단이 가능하도록 통계적인 방법을 이용하여 의미 있는 정보로 정리하여야 합니다. 어떠한 집단에서 우리들이 얻은 데이터 들은 어떠한 값을 중심으로 무작위로 흩어져 있는데 이는 모집단의 산포로 인하여 나타나는 결과입니다. 그러므로 우리가 알고자 하는 품질정보는 데이터의 무작위적인 흩어짐에서 유추되는 모집단의..

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. ※ 데이터의 확률적 모습은 종모양의 이등변삼각형 (종 모양의 좌우대칭 구조)이며 모집단의 기대치는 이등변삼각형의 중심입니다. 또한 이등변삼각형의 확률 면적은 무조건 1로 모두 동일합니다. 그러므로 이등변삼각형의 밑변이 짧을수록 중심의 높이가 높아지며 중심위치에 가까운 값이 다수인 모집단이란 뜻이 됩니다. 즉 품질을 관리한다는 것은 분포의 중심위치와 밑변의 길이를 함께 관리한다는 것을 의미합니다. 긴 글 읽어주셔서 감사합니다. References [1] 양희정, 김광수, 정상윤. 한국표준협회미디어, "빅데이터 시대 품질관리의 내비게이션 통계적 품질관리 4.0", 22 (2019)

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. ※ 표본에서 구한 데이터를 품질정보로 변환하여 공정이나 로트에 피드백을 하는 SQC활동을 합리적으로 수행하기 위해서는 다음의 원칙이 수반되어야 합니다. 왜냐하면 SQC를 실행하는 과정에서 통계적 방법들의 이론을 사용하는 것보다 그 과정과 해석하는 방법 즉 통계적 사고방식을 실천하는 것이 더 중요하기 때문입니다. 1) 목적 명확하의 원칙 어떠한 데이터를 취하려면 반드시 목적이 있어야 하며 그에 따른 조처 대상이 명확하여야 합니다. 왜냐하면 우리가 제품이나 공정품 등에서 표본을 샘플링하여 측정하는 것은, 표본에 대한 지식을 얻기 위한 것이 아니라 로트에 대한 지식을 얻으려고 하..

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. ※ 데이터는 어떤 활동에 대한 품질 특성이나 요인의 상태를 객관적으로 나타내기 위한 자료이므로 어떠한 척도로 표현되어야 합니다. 척도는 수량화 할 수 없는 정성적 데이터(qualitative data)와 수량화가 가능한 정량적 데이터(quantitative data)로 구분할 수 있습니다. 1) 정성적 데이터(qualitative data) 범주형 데이터(categorical data)라고도 합니다. 원칙적으로 숫자로 표현할 수 없지만 필요에 따라 숫자로 나타내기도 하는데, 어떠한 값을 지칭하는 것은 아니며 순번 또는 이름을 대신한 것입니다. 명목데이터와 순위데이터로 나누어..

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. ※ 제조현장에서 취해지는 데이터는 직무별, 목적별 등으로 분류할 수 있습니다. 데이터는 현장의 입.출고 전표, 작업일보 및 여러 품질기록등에서 얻을 수 있습니다. 하나하나의 데이터는 품질과 관련되어 명확한 목적이 있고, 그 데이터를 기초로 action을 취할 수 있으므로 이들은 중요한 품질정보가 됩니다. 긴 글 읽어주셔서 감사합니다. References [1] 양희정, 김광수, 정상윤. 한국표준협회미디어, "빅데이터 시대 품질관리의 내비게이션 통계적 품질관리 4.0", 18 (2019)

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. ※ 제조현장에서 취해지는 데이터는 직무별, 목적별 등으로 분류할 수 있습니다. 데이터는 현장의 입.출고 전표, 작업일보 및 여러 품질기록등에서 얻을 수 있습니다. 하나하나의 데이터는 품질과 관련되어 명확한 목적이 있고, 그 데이터를 기초로 action을 취할 수 있으므로 이들은 중요한 품질정보가 됩니다. 제조현장의 데이터를 사용 목적에 따라 분류하면 아래와 같습니다. 1) 공정의 관리를 목적으로 하는 경우 공정에서 제조되는 품질을 안정 상태로 유지하기 위해 표본을 취하는 경우로, 이상상태일 경우 시정조치하여 공정을 안정 상태로 유지하려는 목적의 데이터입니다. 관리도에 사용되..